ofdm同步.doc

重庆交通大学信息科学与工程学院综合性设计性实验报告专 业： 通信工程专业11级 学 号： 631106040222 姓 名： 徐 国 健 实验所属课程： 宽带无线接入技术 实验室(中心)： 软件与通信实验中心 指 导 教 师 ： 吴仕勋 2014年3月教师评阅意见：签名： 年 月 日实验成绩：一、题目OFDM系统的CFO估计技术二、仿真要求要求一：OFDM系统的数据传输传输的数据随机产生；调制方式采用16QAM；要求二：要求对BER的性能仿真设计仿真方案，比较两个CFO的性能（基于CP与基于训练符号 Moose），并画出不同SNR下的两种估计技术的均方差（MSE）性能。3、 仿真方案详细设计 ofdm系统同步框图频率偏差对OFDM系统的影响 发射机与接收机之间的频率偏差将导致接收信号在频域内发生偏移如果频率偏差是子载波间隔的nn(为整数倍),虽然子载波之间仍然可以保持正交,但是频率采样值己经偏移了n个子载波的位置,造成映射在ODFM频谱内的数据符号的误码率高达0.5. 如果载波偏差不是子载波间隔的整数倍,则在子载波之间就会存在能量的泄漏,导致子载波之间的正交性遭到破坏,从而在子载波之间引入干扰,使得系统的误码率性能恶化10图3.1和图3.2分别给出了没有频率偏差和有频率偏差时的情况. 接下来我们用数学方法推导频率偏差对ODFM系统所造成的影响进行分析考虑图3.3的OFDM系统注意因为我们主要是考虑频率偏移对OFDM系统的影响,所以我们并没有画出插入循环前缀的模块通过IFTF(其实就是DIFT的快速算法)后得到:其中N表示是FIFT运算的点数我们很容易得到OFDM发射机的输出信号: 随着的增加,信号功率会降低,而信道间干扰的功率则会增加也就是说,随着频率偏移的增大,系统的性能会不断恶化因为表示原始的数据符号的周期.当N与T一定时,随着系统频率偏差的增大,也随之加大,系统的子信道间干扰也会显著地增加即ODFM系统的子信道间干扰是随着频率偏移的增大而变大的。 本次实验将会从时域基于CP和频域基于Moose来估计载波频率偏差(cfo)，时域（CP）频域估计（训练符号）4、 仿真结果及结论 结果如图所示：结论：基于cp的时域估计cfo，比基于训练符号的时域估计cfo的性能更加好，同时我们也看到随着信噪比的增加我们对cfo的估计更为精准。相同的信噪比情况下，8PSK的性能优于16QAM。基于cp估计cfo时，相同信噪比情况下，cfo越大，估计相对均方误差越大。五、总结与体会心得体会：通过本次实验我们了解到了频率偏移会对OFDM系统造成严重的影响，降低OFDM的性能，通过测得CFO可以对系统的同步有较好的作用。同时，在这次实验中我学会了在时域域基于CP和在频率基于Moose对频率偏差进行较为准确的估计的两种方法。由于加入了导频来做同步,同步性能比只用循化前缀做同步要好很多并且非常接近理想同步的性能。使我对OFDM系统框架也有了更为深刻的理解，我们知道OFDM是正交频分复用，如果频率偏差较大会严重影响子载波相互正交，所以通过这个实验我们可以改善OFDM系统使它性能更加完善。在这次实验过程中我遇到了一些问题，不过通过查找资料解决了，这次实验不但提高了我分析问题的能力，同时也锻炼了我编程的动手能力，让课堂上的理论与实践相结合！六、主要仿真代码clear all;clc;CFO=0.23;/0.43Nfft=256;%子载波个数Nbps=4;/3为8psk，4为16QAMM=2Nbps;%每个码符号的比特数（映射方式为16QAM）Ng=Nfft/4;%加入的保护间隔Nofdm=Nfft+Ng;Nsym=3;%一帧有3个ofdm符号rand(state,0);randn(state,0);x=;%发送信号for m=1:Nsym msgint=randint(1,Nfft,M); if m=2 Xp=add_pilot(zeros(1,Nfft),Nfft,4);%插入导频 Xf=Xp; else Xf=qammod(msgint,M);%16QAM的映射 end xt=ifft(Xf,Nfft);%离散傅立叶逆变换 x_sym=xt(end-Ng+1:end),xt;%增加cp x=x,x_sym;endy=x;%没有信道的影响SNRdBs=0:3:30;Maxlter=100;for i=1:length(SNRdBs) SNRdB=SNRdBs(i); MSE_CFO_cp=0;MSE_CFO_Moose=0; y_CFO=add_CFO(y,CFO,Nfft);%添加 CFO for iter=1:Maxlter y_aw=awgn(y_CFO,SNRdB,measured);%添加信噪比 CFO_est_cp=CFO_cp(y_aw,Nfft,Ng);%基于cp的估计 MSE_CFO_cp=MSE_CFO_cp+(CFO_est_cp-CFO)2; CFO_est_Moose=CFO_Moose(y_aw,Nfft,Ng);%基于训练符号的估计 MSE_CFO_Moose=MSE_CFO_Moose+(CFO_est_Moose-CFO)2; end MSE_cp(i)=MSE_CFO_cp/Maxlter; MSE_Moose(i)=MSE_CFO_Moose/Maxlter;endsemilogy(SNRdBs,MSE_cp,-,SNRdBs,MSE_Moose,-x);Xlabel(SNRdB);Ylabel(MSE);title(CFO estimation);legend(cp,Moose); function y_CFO=add_CFO(y,CFO,Nfft)%添加cfo%Nfft为载波个数nn=0:length(y)-1;y_CFO=y.*exp(1i*2*pi*CFO*nn/Nfft);function Xp=add_pilot(X,Nfft,Nbps)if nargin3 Nbps=4;endNp=Nfft/Nbps;Xp=X;for k=1:Np Xp(k-1)*Nbps+1)=exp(1i*pi*(k-1)2/Np);endfunction CFO_est_cp=CFO_cp(y,Nfft,Ng)%t基于cp在时域的cfo的估计nn=1:Ng;CFO_est_cp=angle(y(nn+Nfft)*y(nn)/(2*pi); function CFO_est_Moose=CFO_Moose(